این هوش مصنوعی می تواند کشف لینک های پنهان بین بزرگ آثار هنری

زمانی که MIT CSAIL دانشجوی دکتری مارک همیلتون دیدم "رامبراند و Velazquez" نمایشگاه در آمستردام Rijksmuseum در سال گذشته شد شگفت زده برای دیدن که برخی از آثار هنری که هیچ اتصال بر روی کاغذ می تواند نگاه ترسناک شبیه به واقعیت است.

نشان می دهد داران به حال زوج فرانسیسکو د Zurbarán را به شهادت سنت Serapionیک قرن 17th, اسپانیایی, مذهبی, نقاشی با Jan Asselijn را تهدید قوهلندی کرباس از یک سن مشابه. در حالی که این هنرمندان هرگز یکدیگر را ملاقات کرد در طول زندگی خود دو کار می کند نشان می دهد برخی از پاک کردن شباهت های بصری.

آن را همیلتون فکر کردن در مورد دیگر لینک های پنهان است که می تواند کشف در تاریخ هنر است. محقق و تیم خود را در همکاری با مایکروسافت در حال حاضر پرده برداری از یک الگوریتم جدید است که طول می کشد تصویر بازیابی تکنولوژی یک گام بیشتر به اجرا از طریق میلیون ها نفر از نقاشی های سراسر هزاران سال و پیدا کردن غیر منتظره تشابه در تم نقوش و سبک بصری.

لقب "موزاییک" این سیستم در حال حاضر در حال اجرا بر روی پایگاه داده از آثار از موزه متروپولیتن و موزه امپراتوری. از یک تصویر واحد ابزار می توانید کشف اتصالات در هر فرهنگ یا رسانه های کاربر علاقه مند است و به سرعت به تعدادی از نزدیکترین ممکن است کار می کند که مطابقت اصلی پرس و جو.

موزاییک به عنوان مثال ارائه شد, با هلند دو چهره انجیر هندی ناشناس مورد لباس از اواخر قرن 18 و متوجه شباهت با یک چینی و سرامیک و مجسمه سفالین رنگی. این ارتباط می توان به جریان ظروف و پیکرنگاری از چینی به هلندی بازارهای بین 16 و 20 بوده است.

به منظور توسعه و موزاییک و تیم تحقیقاتی با استفاده از یک تصویر بازیابی سیستم و شناخته شده "k-نزدیکترین همسایه" (KNN) الگوریتم است که به طور گسترده ای استفاده می شود برای پیدا کردن اشیاء بر اساس تشابه به محصول توصیه برای مثال.

به طور معمول, این تصویر بازیابی سیستم که فعال هستند توسط الگوریتم KNN در حال حاضر برخی از محدودیت. دامنه پرس و جو به طور موثر محدود: در مورد نقاشی های, کاربران تنها می تواند درخواست برای شبیه آثار هنری از خاص هنرمند است. و یا آنها می تواند اجرا شود و به اصطلاح "بی قید و شرط" نمایش داده شد و به تدریج فیلتر راه خود را از طریق نتایج تا زمانی که آنها به یک پاسخ دقیق یک فرایند است که پرهزینه و وقت گیر است.

همیلتون و تیم خود را به جای ایجاد یک شرطی تصویر بازیابی سیستم (CIR) که نمایندگان فیلتر به الگوریتم. محققان هنوز هم با استفاده از الگوریتم KNN اما آن را فعال کنید برای اضافه کردن "شرایط" مانند بافت و محتوای رنگ و یا در برخواهد داشت در حالی که برنامه در حال اجرا تا زمانی که آن می رسد نزدیک ترین بازی های اصلی برای پرس و جو.

این فرایند به نام مشروط KNN درخت: الگوریتم گروه تصاویر مشابه با هم در یک درخت مانند ساختار و شروع از تنه اعمال فیلتر جدید به آن صعود تا پس امیدوار کننده ترین شعبه می یابد تا زمانی که دقیق ترین تصویر.

همیلتون گفت: "محدود کردن یک تصویر بازیابی سیستم به طور خاص زیر مجموعه از تصاویر می تواند عملکرد بینش جدیدی به روابط در دنیای بصری. هدف ما تشویق سطح جدیدی از تعامل با آثار خلاق."

در حالی که تکنولوژی شکستن رکوردهای سرعت تیم از محققان گفت که CIR می تواند به بهبود نتیجه تنوع در یک راه ساده و کارآمد.

و فن آوری های جدید است نه محدود به آثار هنری نمایش داده شد. همیلتون و همکارانش پیش بینی تعدادی از برنامه های کاربردی برای الگوریتم جدید از جمله با استفاده از موزاییک برای بهتر مطالعه deepfakes و به خصوص که در آن deepfakes ترین مبارزه به مدل واقعیت است.

این الگوریتم در حالی که کار راه خود را به بالای درخت برای پیدا کردن یک تصویر است که به بهترین مسابقات یک تصویر واقعی در همان زمان در پشت برگ بر روی شاخه های آن – تصاویر است که به آن معتقد است شکست به نمایندگی اصلی ورودی است.

با رفتن به شاخه های آن, محققان می تواند تجسم که تصاویر deepfakes به عنوان به خوبی به عنوان آن شرایط و یا فیلتر شده توسط الگوریتم به آنها را پشت سر بگذارید – به طور معمول به دلیل deepfake شکست خورده به دقت نشان دهنده یک عنصر خاص از واقعیت مثل یک میکروفون و یا کلاه.

اگر چه گاهی اوقات نامرئی برای چشم انسان, کسانی که "نقاط کور" هستند چه تشخیص پیچیده deepfake از یک تصویر واقعی.

همیلتون امیدوار است که موزاییک استفاده می شود در بسیاری از زمینه های دیگر اعم از علوم اجتماعی به پزشکی. "این زمینه ها غنی از اطلاعات است که هرگز فرآوری شده با این تکنیک و می تواند یک منبع بزرگ الهام بخش برای هر دو کامپیوتر دانشمندان و کارشناسان حوزه," او گفت:.